一种基于多通道雷达提取人体不同肢体运动数据的装置

1.本发明属于雷达目标的运动数据探测应用和穿戴设备的运动数据探测技术领域，具体地说，涉及一种基于多通道雷达提取人体不同肢体运动数据的装置。


背景技术：

2.人体目标相对于雷达存在径向运动时，雷达回波的频率会产生多普勒效应，在许多情况下，一个物体除了平动外，这个物体的任何一个结构成分还会存在一些振荡式的运动——称为这个物体的微运动。例如，直升机旋转的螺旋叶片、鸟类在飞行过程中扑动的翅膀，行人摆动的手臂和腿等不同肢体均可称为微运动。微运动可以引起发射的雷达信号在载频附近出现多普勒频率调制，这种多普勒频率调制称为微多普勒频率。不同人体目标的微运动特性各不相同，因此，产生微多普勒频率也各不相同，因此，不同人体目标所产生的、独特的微多普勒频率被称作为微多普勒特征，可以用于人体目标的识别与分类。人体目标运动过程中具有典型的微运动，由于人体各个关节的灵活性，因此，人体目标的微运动和微运动所产生的微多普勒特征都是非常复杂而独特的。人体目标的微运动主要由手臂和腿的摆动构成，因此，人体目标的微多普勒特征是不同肢体运动引起的微多普勒频率成分的一个集合体。因此，根据人体的微多普勒特征，可以对人体目标的运动状态进行识别与分类。
3.近来，人体微多普勒特征结合分类识别算法被用来进行人体目标运动状态分类以及步态识别都取得了许多进展。但是，对于人体目标不同肢体的微运动，单通道雷达只能得到一个(或多个)人体目标整体的微多普勒特征和距离信息，不能获取目标的角度信息。因此，仅通过单通道雷达所获得的微多普勒特征是不能对人体目标不同肢体所贡献的微多普勒频率进行分辨和提取的。而由于人体运动状态的多样性，不同的运动状态可能会产生相似的微多普勒特征(如右臂摆动产生的微多普勒特征与右手臂摆动会产生相似的微多普勒特征)，导致仅基于微多普勒特征的识别过程产生混淆，因此，进行微多普勒特征中不同频率分量的提取和分辨是十分重要的。而多通道雷达除了可以获取人体目标的微多普勒特征及距离信息等运动数据之外，还可以获取目标的角度信息，具有分离和分辨人体不同肢体运动数据的能力。
4.现有基于多通道雷达人体运动探测的工作一方面是识别多人分离、成像和跟踪的工作，而没有开展对一个人体目标的不同肢体的运动数据进行分离提取的工作，另一方面的工作是将人体不同肢体运动数据作为整体进行识别和分类，同样没有将不同的肢体运动数据进行分离提取。目前尚未有基于多通道雷达进行人体不同肢体运动数据的分离提取的工作。


技术实现要素：

5.为了解决现有技术存在的问题，本发明提出了一种基于多通道雷达提取人体不同肢体运动数据的装置，该装置能够对人体目标的不同肢体运动数据的分辨和分离提取，不仅有利于更高精度的人体目标的运动状态识别分类，而且可以实现对人体目标运动状态的
三维重建。
6.本发明提供了一种基于多通道雷达提取人体不同肢体运动数据的装置，该装置包括：设置在人体目标上的多通道雷达和数据处理终端；
7.所述多通道雷达在俯仰向和方位向分别配置至少两个通道，用于对应地实时采集各个通道的人体目标的俯仰向运动数据和方位向运动数据，并将其发送至数据处理终端；
8.所述数据处理终端，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据，对其进行处理，得到关于人体目标的各个通道的速度、距离和时间三维运动数据；对各个通道的三维运动数据进行相干叠加，并进行人体目标检测；对检测出的人体目标三维运动数据做多通道联合处理，得到运动数据所对应的俯仰角和方位角；通过设置人体目标的俯仰阈值和方位阈值，分离和提取不同人体目标的运动数据。
9.作为上述技术方案的改进之一，所述人体目标具有不同肢体；该不同肢体包括：左手臂、右手臂、左膝、右膝、左脚和右脚。
10.作为上述技术方案的改进之一，所述数据处理终端包括：三维运动数据获取模块、目标检测模块、联合处理模块和分离提取模块；
11.所述三维运动数据获取模块，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据，对其进行处理，得到关于人体目标的各个通道的速度、距离和时间三维运动数据；
12.所述目标检测模块，用于对各个通道的三维运动数据进行相干叠加，并进行人体目标检测；
13.所述联合处理模块，用于对检测出的人体目标三维运动数据做多通道联合处理，得到运动数据所对应的俯仰角和方位角；
14.所述分离提取模块，用于通过设置人体目标的俯仰阈值和方位阈值，分离和提取不同人体目标的运动数据。
15.作为上述技术方案的改进之一，所述三维运动数据获取模块包括：
16.数据接收单元，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据；和
17.三维运动数据处理单元，用于当多通道雷达的通道数目为n时，对各个通道采集的俯仰向运动数据和方位向运动数据分别做距离向脉冲压缩处理，获取各个通道的人体目标的距离-时间信息，进而在慢时间域做时频分析处理，获取各个通道的人体目标的速度-时间信息；对各个通道的人体目标的距离-时间信息和各个通道的人体目标的速度-时间信息进行整合处理，最终获取各个通道的人体目标的距离、速度和时间的三维运动数据si(r，v，t)；其中，下标i表示第i个通道；i＝1，2，...，n。
18.作为上述技术方案的改进之一，所述目标检测模块的具体实现过程包括：
19.假设对各个通道的人体目标的距离、速度和时间的三维运动数据为si(r，v，t)；
20.对各个通道的人体目标的距离r、速度v和时间t的三维运动数据做相干叠加处理，得到叠加处理后的结果s(r，v，t)：
[0021][0022]
进而对s(r，v，t)做目标检测处理，剔除不满足目标检测条件的三维运动数据，检
测出满足目标检测条件的人体目标三维运动数据se(r，v，t)：
[0023][0024]
其中，rm为三维运动数据中距离维r向量的第m个元素；vn为三维运动数据中速度维v向量的第n个元素；t
p
为三维运动数据中时间维t向量的第p个元素；
[0025]
目标检测条件为依次判断叠加处理后的结果s(r，v，t)中的各个元素s(rm，vn，t
p
)的幅值是否大于预先设置的幅度门限阈值ths，依次取m＝1，2，3，...，m，n＝1，2，3，...，n，p＝1，2，3，...，p，判断是否满足
[0026]
abs[s(rm，vn，t
p
)]＞ths[0027]
如果abs[s(rm，vn，t
p
)]≤ths，则判定不满足目标检测条件，并将其进行剔除；
[0028]
如果abs[s(rm，vn，t
p
)]＞ths，则判定满足目标检测条件，保留该元素s(rm，vn，t
p
)；并存储叠加处理后的结果s(r，v，t)中满足目标检测条件的数据元素s(rm，vn，t
p
)中的下标indexe＝[re，ve，te]，用于提取各个通道三维运动数据si(r，v，t)经目标检测后的三维运动数据s
ei
(r，v，t)其中，re＝[r
me
，r
me 1
，r
me 2
，...，r
me
]，me≥1，且me≤m；ve＝[v
ne
，v
ne 1
，v
ne 2
，
…
，v
ne
]，ne≥1，且ne≤n，te＝t，
[0029]
对每一通道的三维运动数据si(r，v，t)按照存储的数据元素下标indexe，依次提取i个通道经目标检测后的三维运动数据s
ei
(r，v，t)：
[0030][0031]
作为上述技术方案的改进之一，所述联合处理模块包括：方位位置获取单元和俯仰位置获取单元；
[0032]
所述方位位置获取单元，用于对每个通道经目标检测后的三维运动数据s
ei
(r，v，t)，其包括方位向三维运动数据s
eip
(r，v，t)和俯仰向三维运动数据s
eig
(r，v，t)；
[0033]
选取方位向三维运动数据s
eip
(r，v，t)中的通道m的三维运动数据s
eipm
(r，v，t)和通道n的三维运动数据s
eipn
(r，v，t)进行共轭相乘取相角，两个通道间信号的相位差信息δφ1：
[0034]
δφ1＝angle{s
eipm
(r，v，t)
×
conj[s
ejpn
(r，v，t)]}
[0035]
基于得到的相位差δφ1，计算人体目标相对于雷达的方位角θ1：
[0036][0037]
其中，d为通道间的基线长度，λ为雷达发射信号的波长；
[0038]
进而得到人体目标相对于雷达的方位位置x1：
[0039][0040]
其中，r为人体目标到雷达的距离；
[0041]
所述俯仰位置获取单元，用于选取俯仰向三维运动数据s
eig
(r，v，t)中的通道m的三维运动数据s
eiqm
(r，v，t)和通道n的三维运动数据s
eiqn
(r，v，t)进行共轭相乘取相角，两个通道间信号的相位差信息δφ2：
[0042]
δφ2＝angle{s
eiqm
(r，v，t)
×
conj[s
ejqn
(r，v，t)]}
[0043]
基于得到的相位差δφ2，计算人体目标相对于雷达的方位角θ2：
[0044][0045]
其中，d为通道间的基线长度，λ为雷达发射信号的波长；
[0046]
进而得到人体目标相对于雷达的俯仰位置x2：
[0047][0048]
其中，r为人体目标到雷达的距离。
[0049]
作为上述技术方案的改进之一，所述分离提取模块具体包括：阈值设置单元、数据接收单元和判断单元；
[0050]
所述阈值设置单元，用于设置人体目标相对于雷达的方位向阈值th
x
，用于区分人体目标的左右肢体；设置人体目标相对于雷达的俯仰向阈值th
y1
，用于区分人体目标的上半身和下半身；设置人体目标相对于雷达的俯仰阈值th
y2
，其中，th
y1
＞th
y2
，用于区分人体目标的下半身的膝盖和脚；
[0051]
所述数据接收单元，用于接收每个三维运动数据所对应的人体目标相对于雷达的方位位置x1和人体目标相对于雷达的俯仰位置x2，并将其发送至判断单元；
[0052]
所述判断单元，用于对接收的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1和人体目标相对于雷达的俯仰位置x2分别进行判断；
[0053]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于或等于th
x
，即x1≤th
x
，并且俯仰位置x2大于或等于th
y1
，即x2≥th
y1
，则该三维运动数据归属于人体目标的左手臂；
[0054]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2大于或等于th
y1
，即x2≥th
y1
，则该三维运动数据归属于人体目标的右手臂；
[0055]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于或等于th
x
，即x1≤th
x
，并且俯仰位置x2小于th
y1
同时大于th
y2
，即th
y2
＜x2＜th
y1
，则该三维运动数据归属于人体目标的左膝；
[0056]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2小于th
y1
同时大于th
y2
，即th
y2
＜x2＜th
y1
，则该三维运动数据归属于人体目标的右膝；
[0057]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于或等于th
x
，即x1≤th
x
，并且俯仰位置x2小于或等于th
y2
，即x2≤th
y2
，则该三维运动数据归属于人体目标的左脚；
[0058]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2小于或等于th
y2
，即x2≤th
y2
，则该三维运动数据归属于人体目标的右脚；
[0059]
通过对每个通道的三维运动数据所对应的方位位置和俯仰位置，分别对三维运动数据进行上述阈值判断，以分离和提取人体目标的不同肢体的三维运动数据。
[0060]
本发明与现有技术相比的有益效果是：
[0061]
本发明的装置通过多通道雷达获取角度信息可以实现分辨和分离人体目标不同肢体的运动数据，不仅解决了由于不同的人体目标运动状态产生相似微多普勒特征引起目标识别分类的混淆问题，提高了人体目标运动状态识别分类的精度，而且可以用于量化分析人体目标的各个肢体的运动数据，并实现对人体目标不同肢体运动的三维重建工作。
附图说明
[0062]
图1是本发明的基于多通道雷达提取人体不同肢体运动数据的装置的工作流程的原理图；
[0063]
图2是本发明的基于多通道雷达提取人体不同肢体运动数据的装置的进行雷达人体运动数据采集的结构示意图；
[0064]
图3是人体目标处于原地摆臂状态下的雷达回波数据经距离向脉冲压缩后的结果图；
[0065]
图4是原地摆臂状态下的雷达回波数据经距离向脉冲压缩后的经动目标检测的结果图；
[0066]
图5是原地摆臂状态下的雷达回波数据进行慢时间域经时频分析处理后得到微多普勒特征图；
[0067]
图6是经过cfar目标检测后原地摆臂状态下的雷达回波数据的距离、速度和时间的三维运动数据展示图；
[0068]
图7是经方位向多通道处理得到的方位位置信息结合三维运动数据的四维数据展示图；
[0069]
图8是经俯仰向多通道处理得到的俯仰位置信息结合三维运动数据的四维数据展示图；
[0070]
图9是理想的阈值设置示意图；
[0071]
图10是经过对三维运动数据经阈值判断后分离出的左手臂的三维运动数据展示图；
[0072]
图11是经过对三维运动数据经阈值判断后分离出的右手臂的三维运动数据展示图；
[0073]
图12是经过cfar目标检测后原地踏步数据的距离、速度和时间的三维运动数据展示图；
[0074]
图13是经过对三维运动数据经阈值判断后分离提取出的手臂的三维运动数据展示图；
[0075]
图14是经过对三维运动数据经阈值判断后分离提取出的膝盖的三维运动数据展示图；
[0076]
图15是经过对三维运动数据经阈值判断后分离提取出的脚的三维运动数据展示图。
具体实施方式
[0077]
现结合附图对本发明作进一步的描述。
[0078]
本发明提供了一种基于多通道雷达提取人体不同肢体运动数据的装置，解决了在雷达获取人体运动数据中人体不同肢体的运动信息难以分辨和分离提取的问题。
[0079]
如图1和2所示，该装置包括：设置在人体目标的俯仰向的多通道雷达、设置在人体目标的方位向的多通道雷达和数据处理终端；
[0080]
设置在人体目标的方位向的多通道雷达，用于实时采集人体目标的方位向运动数据，并将其发送至数据处理终端；
[0081]
数据处理终端，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据，对其进行处理，得到关于人体目标的各个通道的速度、距离和时间三维运动数据；对各个通道的三维运动数据进行相干叠加，得到各个通道相干叠加的结果，并对其做人体目标检测；对检测出的人体目标三维运动数据做多通道联合处理，得到运动数据所对应的俯仰角(俯仰向位置)和方位角(方位位置)；通过设置俯仰阈值和方位阈值来分辨和分离人不同肢体的运动数据。
[0082]
在本实施例中，人体目标为人体目标，人体目标运动状态包括：行走、跑步、跳、跌倒、挥手；所述人体不同肢体包括：左手臂、右手臂、左膝、右膝、左脚和右脚。
[0083]
具体地，所述数据处理终端包括：三维运动数据获取模块、目标检测模块、联合处理模块和分离提取模块；
[0084]
所述三维运动数据获取模块，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据，对其进行处理，得到关于人体目标的各个通道的速度、距离和时间三维运动数据；
[0085]
具体地，所述三维运动数据获取模块包括：
[0086]
数据接收单元，用于实时接收各个通道所采集的俯仰向运动数据和方位向运动数据；和
[0087]
三维运动数据处理单元，用于当多通道雷达的通道数目为n时，对各个通道采集的俯仰向运动数据和方位向运动数据分别做距离向脉冲压缩处理，获取各个通道的人体目标的距离-时间信息，进而在慢时间域做时频分析处理，获取各个通道的人体目标的速度-时间信息；对各个通道的人体目标的距离-时间信息和各个通道的人体目标的速度-时间信息进行整合处理，最终获取各个通道的人体目标的距离、速度和时间的三维运动数据si(r,v,t)；其中，下标i表示第i个通道；i＝1,2,
…
,n。
[0088]
所述目标检测模块，用于对各个通道的三维运动数据进行相干叠加，并进行人体目标检测；
[0089]
具体地，所述目标检测模块的具体实现过程包括：
[0090]
假设对各个通道的人体目标的距离、速度和时间的三维运动数据为si(r，v，t)；
[0091]
对各个通道的人体目标的距离r、速度v和时间t的三维运动数据做相干叠加处理，得到叠加处理后的结果s(r，v，t)：
[0092][0093]
进而对s(r，v，t)做目标检测处理，如cfar(constant false alarm rate)恒虚警检测等目标检测处理，剔除不满足目标检测条件的三维运动数据，检测出满足目标检测条件的人体目标三维运动数据se(r，v，t)：
[0094][0095]
其中，rm为三维运动数据中距离维r向量的第m个元素(r＝[r1，r2，r3，...，rm，r
m 1
，...，rm])；vn为三维运动数据中速度维v向量的第n个元素(v＝[v1，v2，v3，...，vn，v
n 1
，...，vn])；t
p
为三维运动数据中时间维t向量的第p个元素(t＝[t1，t2，t3，...，t
p
，t
p 1
，
…
，t
p
])；
[0096]
目标检测条件为依次判断叠加处理后的结果s(r，v，t)中的各个元素s(rm，vn，t
p
)的幅值是否大于预先设置的幅度门限阈值ths，依次取m＝1，2，3，...，m，n＝1，2，3，...，n，p＝1，2，3，...，p，判断是否满足
[0097]
abs[s(rm，vn，t
p
)]＞ths[0098]
如果abs[s(rm，vn，t
p
)]≤ths，则判定不满足目标检测条件，并将其进行剔除；
[0099]
如果abs[s(rm，vn，t
p
)]＞ths，则判定满足目标检测条件，保留该元素s(rm，vn，t
p
)；并存储叠加处理后的结果s(r，v，t)中满足目标检测条件的数据元素s(rm，vn，t
p
)中的下标indexe＝[re，ve，te]，用于提取各个通道三维运动数据si(r，v，t)经目标检测后的三维运动数据s
ei
(r，v，t)其中，re＝[r
me
，r
me 1
，r
me 2
，...，r
me
]，me≥1，且me≤m；ve＝[v
ne
，v
ne 1
，v
ne 2
，
…
，v
ne
]，ne≥1，且ne≤n，te＝t，
[0100]
对每一通道的三维运动数据si(r，v，t)按照存储的数据元素下标indexe，依次提取i个通道经目标检测后的三维运动数据s
ei
(r，v，t)，以用于多个通道间信号处理，提取方位和俯仰位置信息：
[0101][0102]
所述联合处理模块，用于对检测出的人体目标三维运动数据做多通道联合处理，得到运动数据所对应的俯仰角和方位角；
[0103]
具体地，所述联合处理模块具体包括：方位位置获取单元和俯仰位置获取单元；
[0104]
分别处理方位向和俯仰向的多通道数据，获取方位角(方位位置)信息和俯仰角(俯仰位置)信息。
[0105]
具体地，所述方位位置获取单元，用于对每个通道经目标检测后的三维运动数据s
ei
(r，v，t)，其包括方位向三维运动数据s
eip
(r，v，t)和俯仰向三维运动数据s
eig
(r，v，t)；
[0106]
选取方位向三维运动数据s
eip
(r，v，t)中的通道m的三维运动数据s
eipm
(r，v，t)和通道n的三维运动数据s
eipn
(r，v，t)进行共轭相乘取相角，两个通道间信号的相位差信息δφ1：
[0107]
δφ1＝angle{s
eipm
(r，v，t)
×
conj[s
ejpn
(r，v，t)]}
[0108]
基于得到的相位差δφ1，计算人体目标相对于雷达的方位角θ1：
[0109][0110]
其中，d为通道间的基线长度，λ为雷达发射信号的波长；
[0111]
进而得到人体目标相对于雷达的方位位置x1：
[0112][0113]
其中，r为人体目标到雷达的距离；
[0114]
所述俯仰位置获取单元，用于选取俯仰向三维运动数据s
eiq
(r，v，t)中的通道m的三维运动数据s
eiqm
(r，v，t)和通道n的三维运动数据s
eiqn
(r，v，t)进行共轭相乘取相角，两个通道间信号的相位差信息δφ2：
[0115]
δφ2＝angle{s
eiqm
(r，v，t)
×
conj[s
ejqn
(r，v，t)]}
[0116]
基于得到的相位差δφ2，计算人体目标相对于雷达的方位角θ2：
[0117][0118]
其中，d为通道间的基线长度，λ为雷达发射信号的波长；
[0119]
进而得到人体目标相对于雷达的俯仰位置x2：
[0120][0121]
其中，r为人体目标到雷达的距离。
[0122]
所述分离提取模块，用于通过设置人体目标的俯仰阈值和方位阈值，分离和提取不同人体目标的运动数据。
[0123]
具体地，所述分离提取模块具体包括：阈值设置单元、数据接收单元和判断单元；
[0124]
所述阈值设置单元，用于设置人体目标相对于雷达的方位向阈值th
x
，用于区分人体目标的左右肢体；设置人体目标相对于雷达的俯仰向阈值th
y1
，用于区分人体目标的上半身和下半身；设置人体目标相对于雷达的俯仰阈值th
y2
，其中，th
y1
＞th
y2
，用于区分人体目标的下半身的膝盖和脚；
[0125]
所述数据接收单元，用于接收每个三维运动数据所对应的人体目标相对于雷达的方位位置x1和人体目标相对于雷达的俯仰位置x2，并将其发送至判断单元；
[0126]
所述判断单元，用于对得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1和人体目标相对于雷达的俯仰位置x2分别进行判断；
[0127]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于或等于th
x
，即x1≤th
x
，并且俯仰位置x2大于或等于th
y1
，即x2≥th
y1
，则该三维运动数据归属于人体目标的左手臂；
[0128]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2大于或等于th
y1
，即x2≥th
y1
，则该三维运动数据归属于人体目标的右手臂；
[0129]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于或等于th
x
，即x1≤th
x
，并且俯仰位置x2小于th
y1
同时大于th
y2
，即th
y2
＜x2＜th
y1
，则该三维运动数据归属于人体目标的左膝；
[0130]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2小于th
y1
同时大于th
y2
，即th
y2
＜x2＜th
y1
，则该三维运动数据归属于人体目标的右膝；
[0131]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1小于
或等于th
x
，即x1≤th
x
，并且俯仰位置x2小于或等于th
y2
，即x2≤th
y2
，则该三维运动数据归属于人体目标的左脚；
[0132]
如果得到的每个三维运动数据所对应的人体目标相对于雷达的方位位置x1大于th
x
，即x1＞th
x
，并且俯仰位置x2小于或等于th
y2
，即x2≤th
y2
，则该三维运动数据归属于人体目标的右脚；
[0133]
通过对每个通道的三维运动数据所对应的方位位置和俯仰位置，分别对三维运动数据进行上述阈值判断，以分离和提取人体目标的不同肢体的三维运动数据。
[0134]
多通道雷达具有角度分辨能力，当两个或多个人体目标与雷达的距离相同时，基于单通道雷达无法分辩和分离两个或者多个目标但是，多通道雷达可以结合角度信息，将处于不同角度的两个或者多个人体目标进行分辨和分离，具有更强的目标探测能力。现有的基于多通道雷达对人体目标不同肢体运动探测的工作验证了多通道雷达比单通道雷达具有更高的识别分类精度，并且能够实现对多个人体目标的分离、成像和跟踪等工作，因此基于多通道雷达的人体运动探测具有巨大的应用潜能。
[0135]
本发明的装置目的在于分辨和分离提取人体目标各个肢体部位的运动数据分量，提出了一种基于多通道雷达提取人体目标不同肢体运动数据的装置。通过分辨和分离人体目标的各个肢体部位的三维运动数据，解决了不同运动状态产生相似微多普勒特征引起基于微多普勒特征识别运动状态的混淆问题，因此，通过基于分辨和分离提取后的人体目标的各个肢体部位的三维运动数据，可以实现更高精度和高鲁棒性的运动状态识别和分类，并且可实现对人体目标的各个肢体部位的三维运动数据的量化分析和人体运动的三维重建。该装置是将多通道雷达采集的人体目标的距离、速度和时间三维运动数据结合多通道获取的角度信息，进行人体目标的各个肢体部位的三维运动数据的分辨和分离提取，实验数据结果验证了本发明所提出的方法的有效性。
[0136]
图2为进行雷达人体运动数据采集的实验场景示意图。多通道雷达放置在p1(0，0，1m)位置处，即在距地面高度1m的位置对人体目标进行俯仰向和方位向的运动数据采集，人体目标在雷达的波束照射范围内，双脚处于地面p2(0,y(t),0)位置站立，本实验中y(t)＝3m。
[0137]
图3为人体目标处于原地摆臂状态下的多通道雷达所采集的运动数据经距离向脉冲压缩后的结果。可以看出由于环境中静止杂波的影响，使得人体目标原地摆臂的数据不易被观测到，因此，需要对该数据进行人体目标检测处理，消除静止背景杂波，更好的获取人体目标的运动数据。
[0138]
图4为原地摆臂状态下的雷达回波数据距离向脉冲压缩后的经动目标检测处理后的结果图。经过动目标检测，可以观测到人体目标原地摆臂运动状态下的距离-时间信息。为了方便展示，选取图4中虚线框中的数据做进一步处理。
[0139]
图5为原地摆臂数据进行慢时间域经时频分析处理后得到微多普勒特征图。即给出了人体目标原地摆臂状态下的雷达回波数据的速度-时间信息，在微多普勒特征中，两只手臂在同一时刻速度为零(手臂摆动到最高点时)，因此，会产生交叉点，这使得难以分辨和分离两只手臂的运动数据。
[0140]
图6为经过cfar目标检测后原地摆臂状态下的雷达回波数据的距离、速度和时间的三维运动数据展示图。通过微多普勒特征增加了距离信息，给出了距离、速度和时间的三
维运动数据，在三维运动数据中，因为两只手臂在速度为零时，距离相差较大，两只手臂的运动数据不再交叉，因此，三维的运动数据可以有利于分辨和分离两只手臂各自的运动数据。
[0141]
图7为经方位向多通道处理得到的方位位置信息结合三维运动数据的四维数据展示图。其中，点云图的灰度值代表相对于雷达的方位位置信息。
[0142]
图8为经俯仰向多通道处理得到的俯仰位置信息结合三维运动数据的四维数据展示图。其中，点云图的灰度值代表相对于雷达的俯仰位置信息。进而，将所得到的方位位置信息和俯仰位置信息用于分辨和分离人体不同肢体的三维运动数据。
[0143]
图9为理想的阈值设置示意图。通过对三维运动数据的方位信息和俯仰信息进行阈值判断，进而分辨和分离提取出人体目标不同肢体的三维运动数据。
[0144]
图10为经过对三维运动数据经阈值判断后分离出的左手臂的三维运动数据展示图。
[0145]
图11为经过对三维运动数据经阈值判断后分离出的右手臂的三维运动数据展示图。可以看出经过对三维运动数据的阈值判断处理，成功地分离了原地摆臂运动的人体不同肢体的三维运动数据。
[0146]
图12为经过cfar目标检测后原地踏步数据的距离、速度和时间的三维运动数据展示图。不同于图6给出的时原地摆臂数据，原地踏步运动中不仅存在手臂的摆动，还有腿的摆动。
[0147]
图13为经过对三维运动数据经阈值判断后分离提取出的手臂的三维运动数据展示图。
[0148]
图14为经过对三维运动数据经阈值判断后分离提取出的膝盖的三维运动数据展示图。
[0149]
图15为经过对三维运动数据经阈值判断后分离提取出的脚的三维运动数据展示图。可以看出经过对三维运动数据的阈值判断处理，成功地分离了原地踏步运动的人体不同肢体的三维运动数据。
[0150]
本发明所提出的基于多通道雷达分辨和分离提取人体目标不同肢体的运动数据的方法，适用于短时傅里叶变换、gabor变换、wvd(wigner-ville distribution)等时频分析方法下获取的微多普勒特征(速度-时间信息)，虽然在目标检测时采用的时cfar目标检测方法，也同样适用于基于cfar目标检测方法的扩展方法及其他目标检测方法。此外，本发明所提出的方法不限于两个通道或者更多通道，方位向和俯仰向分别最少需要两个通道，即最少需要三个l型的通道(方位向和俯仰向共用一个通道)来实现方位向和俯仰向的同时角度估计，通道数目越多，性能越好。同时，本发明分析时虽然人体目标的运动状态为原地摆臂和原地踏步，但是，本发明同样适用于其他的人体运动状态，比如行走、跑步、跌倒和挥手等等。此外，本发明分析时虽然仅使用了一个人体目标，但是本发明同样适用于多个人体目标同时处于不同或者相同运动运动状态的情况，例如两个人相向而行、三个人分别处于行走、跑步和挥手的运动状态。本发明所提出的方法对提取和量化分析人体目标各个肢体或者关节的运动状态有着重要的现实意义，有利于实现更高精度和高鲁棒性的人体目标不同肢体运动的识别，同时可以实现对人体目标不同肢体运动的三维重建。
[0151]
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参
照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。